library (text2vec)
library (parallel)
library (doParallel)
N <- parallel::detectCores()
cl <- makeCluster (N)
registerDoParallel (cl)
Ky_young <- read.csv("./Ky_young.csv")
IT <- itoken_parallel (Ky_young$TEXTInfo,
ids = Ky_young$ID,
tokenizer = word_tokenizer,
progressbar = F)
##stopword
stop_words = readLines("./stopwrd1.txt", encoding="UTF-8")
VOCAB <- create_vocabulary (
IT, stopwords = stop_words
ngram = c(1, 1)) %>%
prune_vocabulary (term_count_min = 5)
VoCAB.order <- VOCAB[order((VOCAB$term_count), decreasing = T),]
VECTORIZER <- vocab_vectorizer (VOCAB)
DTM <- create_dtm (IT, VECTORIZER, distributed = F)
LDA_MODEL <-
LatentDirichletAllocation$new (n_topics = 200,
#vocabulary = VOCAB, <= ERROR
doc_topic_prior = 0.1,
topic_word_prior = 0.01)
##topic-document distribution
LDA_FIT <- LDA_MODEL$fit_transform (
x = DTM,
n_iter = 50,
convergence_tol = -1,
n_check_convergence = 10)
#topic-word distribution
topic_word_prior = LDA_MODEL$topic_word_distribution
我在text2vec中创建了测试LDA代码,我可以获得word-topic分发和文档主题分发。 (这很疯狂)
顺便说一句,我想知道是否有可能从text2vec的LDA模型中获取文档中每个标记的主题分布?
据我所知,LDA分析过程结果是文档中的每个标记属于特定主题,因此每个文档都有主题分布。
如果我可以获得每个令牌的主题分发,我想通过分类文档(如句号)检查每个主题的主要词语更改。有可能吗?
如果还有其他方式,我将非常感谢让我知道。
答案 0 :(得分:0)
不幸的是,无法为给定文档中的每个标记分配主题。文档主题计数是随时计算/聚合的,#34;因此,文档 - 令牌 - 主题分发不会存储在任何地方。